基于LoRa的煤礦井下人員定位系統(tǒng)設(shè)計

仲會娟 劉旭

【摘? ?要】? ?由于煤礦井下環(huán)境條件復(fù)雜多變，在對其進行監(jiān)測時會產(chǎn)生大量數(shù)據(jù)，再加上存在網(wǎng)絡(luò)延時與定位算法精度低的問題，為此設(shè)計了基于LoRa的煤礦井下人員定位系統(tǒng)。在定位問題上，對迭代質(zhì)心和RSSI測距進行優(yōu)化改進，首先通過給定閾值對節(jié)點種類進行識別判斷，之后在進行迭代計算時，通過分配權(quán)值系數(shù)來縮減偏差，從而緩解因權(quán)重分配不均勻而導致定位精度低的問題。經(jīng)仿真測試與比較分析，該算法易于計算、定位精度較高、定位誤差較小，可以更好地用于煤礦井下人員定位。系統(tǒng)通信測試結(jié)果表明，網(wǎng)絡(luò)通信能力好，延時性低。

【關(guān)鍵詞】? ?LoRa通信;RSSI測距算法;迭代質(zhì)心算法;人員定位

Design of Underground Personnel Positioning System Based on LoRa

Zhong Huijuan1 ， Liu Xu2*

（1. Hebei Institute of Engineering and Technology， Shijiazhuang 050000， China;

2. Anhui University of Science and Technology， Huainan 232001， China）

【Abstract】? ? Due to the complex and changeable environmental conditions in the coal mine， a large amount of data will be generated when monitoring it. In addition， there are problems of network delay and low accuracy of positioning algorithm. Therefore， a coal mine underground personnel positioning system based on Lora is designed. For the positioning problem， the iterative centroid and RSSI ranging are optimized and improved. Firstly， the node types are identified and judged by a given threshold. Then， in the iterative calculation， the deviation is reduced by assigning weight coefficients， so as to alleviate the problem of low positioning accuracy caused by uneven weight distribution. Through simulation test and comparative analysis， the algorithm is easy to calculate， has high positioning accuracy and small positioning error， and can be better used for underground positioning in coal mine. At the same time， the communication test of the system is carried out. The results show that the network communication ability is very good and the delay is very low.

【Key words】? ? ?Lora communication; RSSI ranging algorithm; iterative centroid algorithm; personnel positioning

〔中圖分類號〕? TD76? ? ? ? ? ? ? ? ? ? ? ? ?〔文獻標識碼〕? A ? ? ? ? ? ? ?〔文章編號〕 1674 - 3229（2022）01- 0020 - 04

0? ? ?引言

我國的煤礦大多屬于井工煤礦，處于地下幾百米的巷道地形復(fù)雜、空間狹小、環(huán)境多變，惡劣的空間環(huán)境對網(wǎng)絡(luò)通信及實時定位造成了極大干擾。通過井下實時通信與定位可以隨時監(jiān)測井下作業(yè)人員位置信息，更能在事故發(fā)生時精確營救。采用已有的定位算法，監(jiān)測結(jié)果位置信息偏差太大、精度太低，對煤礦的安全生產(chǎn)尤為不利。

對于煤礦井下定位算法，楊震、蔣銳提出了以質(zhì)心迭代為基礎(chǔ)的算法定位，減小了通過RSSI測距定位引起的偏差[1]。郭藍天、李虎俊等對于二次質(zhì)心進行改進，先利用三邊測量得出大致的質(zhì)心坐標，然后再進行精確定位，大大減小了定位誤差[2]。陳曙、朱博等設(shè)計出了質(zhì)心加權(quán)定位算法，通過對加權(quán)之后的坐標加以校對，使累計偏差有所降低[3]。

1? ? ?系統(tǒng)總體設(shè)計

本系統(tǒng)主要由傳感器模塊、數(shù)據(jù)傳輸模塊、監(jiān)控中心構(gòu)成。其中傳感器模塊由控制器、心率、血氧傳感器、氣體傳感器構(gòu)成，控制器以CC2530作為控制中心，傳感器用來采集人體信號，數(shù)據(jù)傳輸模塊由路由器、LoRa網(wǎng)關(guān)、以太網(wǎng)組成，用來把接收到的狀態(tài)信息及位置數(shù)據(jù)上傳至監(jiān)控中心。監(jiān)控中心用來記錄分析所上傳的數(shù)據(jù)，為判斷提供數(shù)據(jù)來源。監(jiān)控系統(tǒng)的整體架構(gòu)如圖1所示。

1.1? ?節(jié)點硬件設(shè)計

節(jié)點用于采集煤礦井下的環(huán)境信息，并對相關(guān)信息進行初步篩選。節(jié)點由嵌入式微處理器、傳感器模塊、電源模塊、LoRa無線通信模塊、報警模塊、交互模塊構(gòu)成[4]。微處理器作為主控芯片，用于對節(jié)點的各部分電路進行控制，同時對采集的數(shù)據(jù)進行分析存儲。電源模塊負責為節(jié)點的各部分電路提供合適的電壓和電流。傳感器模塊用于采集周圍環(huán)境及相應(yīng)位置數(shù)據(jù)。報警模塊用于事故緊急報警。LoRa模塊主要用于系統(tǒng)傳輸與維持通信。節(jié)點結(jié)構(gòu)框圖如圖2所示。

1.2? ?節(jié)點傳輸軟件設(shè)計

節(jié)點的工作流程為設(shè)備上電進行初始化，然后傳感器節(jié)點接收并檢測環(huán)境數(shù)據(jù)，將數(shù)據(jù)傳入處理器中進行數(shù)據(jù)預(yù)處理，對相關(guān)數(shù)據(jù)進行模數(shù)轉(zhuǎn)換，之后再將檢測到的數(shù)據(jù)與標準值、異常值和超限閾值進行比較[5]，看數(shù)據(jù)是否安全，若安全，繼續(xù)進行數(shù)據(jù)采集，否則進一步把采集到的數(shù)據(jù)分別與異常值和超限閾值進行比較，將得到結(jié)果按優(yōu)先級進行處理，打包待發(fā)。節(jié)點傳輸流程圖如圖3所示。

2? ? ?改進定位算法

傳統(tǒng)的RSSI的定位過程如圖4所示。首先對其周圍RSSI值按照數(shù)值大小進行排列，然后取其中最小的四個節(jié)點作為多邊形，經(jīng)幾何計算可得出其質(zhì)心位置坐標，但如果環(huán)境中參考節(jié)點位置坐標沒有均勻分布，那么經(jīng)過計算得到的未知節(jié)點位置坐標就會與真實位置差距很大，這樣就會產(chǎn)生很大的定位誤差[6]。

針對上述問題，引入距離因素[7]，可以將移動節(jié)點接收到的RSSI值通過對數(shù)-正態(tài)分布模型轉(zhuǎn)化為距離值并進行校正得到[wi=1/di 。][di]為校正后距離，修正后坐標可表示為：

[x，y=i=1n1dixii=1n1di，i=1n1diyii=1n1di]

式中? [wi]——權(quán)值;

[x，y]——未知節(jié)點坐標;

[xi，yi]——參考節(jié)點坐標。

當通信網(wǎng)絡(luò)范圍內(nèi)參考節(jié)點數(shù)量較少達不到節(jié)點平均覆蓋率時，某些參考節(jié)點就不能參與移動節(jié)點定位。假設(shè)在某一個區(qū)域中，參考節(jié)點太少，就需要讓已經(jīng)實現(xiàn)定位的移動節(jié)點參與進來。與此同時，通過設(shè)定閾值來識別判斷需要保留的參考節(jié)點，這種做法可以緩解因權(quán)重分配不均勻而導致定位精度低的問題，但會產(chǎn)生誤差。下面對累計誤差進行修正。

由于RSSI在多數(shù)情況下傳播都會產(chǎn)生損耗，假設(shè)參考節(jié)點A的實際坐標為[xa，ya]，現(xiàn)若A點未知，利用計算可以直接得出A的坐標[xea，yea]，誤差表達式為： [exaeya=xa-xea，ya-yea]。為了修正上述累積誤差，參考節(jié)點可將[exa，eya]直接存儲在自身數(shù)據(jù)包中，作為其自身的誤差修正因子，傳輸?shù)侥芘c之通信的所有移動節(jié)點中，就可求出自身誤差值。? ? ? ? ? ? ? ?[exb=1ni=11exa，exb=1ni=11eya]

計算出的[xb，yb=xeb-exb，yeb-eyb] 為移動節(jié)點經(jīng)過誤差修正因子得到的修正坐標。

3? ? ?測試與分析

3.1? ?環(huán)境搭建

由于測試環(huán)境的有限，無法搭建一個實際的煤礦井下平臺，為了更好地驗證上述煤礦井下人員定位算法的合理性和準確性，使用MATLAB進行模擬環(huán)境平臺搭建并進行仿真測試。通過模擬建立一個100m×100m二維方形區(qū)域，信標節(jié)點和未知節(jié)點都通過隨機函數(shù)生成，隨機分布在正方形區(qū)域，相關(guān)參數(shù)都根據(jù)礦井巷道環(huán)境進行設(shè)置。整個區(qū)域分布著50個路由終端，并且根據(jù)仿真需要提供幾組坐標作為人員位置進行仿真，測試算法的準確性。依據(jù)工作條件，把無線載波信號的工作頻率調(diào)整為24GHz，通訊半徑調(diào)整為30m。

3.2? ?煤礦井下人員定位算法仿真分析

由圖5可以發(fā)現(xiàn)，當網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)參考節(jié)點數(shù)較少時，本文算法的定位覆蓋率能達到80%以上，即能實現(xiàn)絕大多數(shù)節(jié)點的定位。在參考節(jié)點數(shù)不大于20的情況下，本文算法覆蓋率明顯較大;在參考節(jié)點數(shù)大于30的情況下，兩種算法的覆蓋率均高于90%;最重要的是，在參考節(jié)點數(shù)等于20時，本文算法基本上可以實現(xiàn)全區(qū)域覆蓋。

由圖6經(jīng)對比分析可知，在相同通信范圍內(nèi)，改進算法的定位誤差明顯低于迭代加權(quán)質(zhì)心算法。改進算法不管在定位精度還是在定位誤差上均優(yōu)于迭代加權(quán)質(zhì)心算法。

3.3? ?節(jié)點網(wǎng)絡(luò)通信測試

節(jié)點之間的數(shù)據(jù)交換依賴于以太網(wǎng)的通信協(xié)議，在LoRa無線通信協(xié)議測試中，測試入網(wǎng)成功率以及丟包率的做法為：使6個模擬設(shè)備通過測試程序不斷地入網(wǎng)、離網(wǎng)以及發(fā)送數(shù)據(jù)包。測試時模擬設(shè)備向匯聚節(jié)點發(fā)送單包長為256字節(jié)的數(shù)據(jù)包，分別測試空中速率為0.3k、0.6k、1.2k、2.4k、4.8k、9.6k時的每10萬個數(shù)據(jù)包的丟包率。測試結(jié)果如表1所示。

從測試結(jié)果來看，當空中速率為0.3k、0.6k、1.2k時，丟包率為0，隨著速率的不斷增大，丟包率明顯變大?？傮w來看，丟包率較低，系統(tǒng)有較強的通信能力。

3.4? ? LoRa模塊數(shù)據(jù)傳輸能耗及延時性測試

在本系統(tǒng)中，使用LoRa無線通信模塊，所以就得考慮數(shù)據(jù)的延時性。對于節(jié)點，采用多對一通信測試，集中節(jié)點接收其他節(jié)點發(fā)送的數(shù)據(jù)幀，統(tǒng)計計算每組數(shù)據(jù)幀發(fā)送與接收的時間，得出延時差，最后計算所有幀的平均傳輸延時。工作在不同LoRa節(jié)點數(shù)下，數(shù)據(jù)傳輸延時及能耗測試情況統(tǒng)計結(jié)果如表2所示。測試表明數(shù)據(jù)的傳輸時延與節(jié)點數(shù)n呈正比，該系統(tǒng)平均能耗為15.6J，延時為0.36s，表明系統(tǒng)在正常工作時能耗低、延時小。

4? ? ?結(jié)語

本文提出了一種基于LoRa的煤礦井下人員定位系統(tǒng)設(shè)計，并對系統(tǒng)進行了通信傳輸能力測試，結(jié)果表明網(wǎng)絡(luò)通信能力好、延時性低、可靠性高。對改進算法進行了定位精度和誤差測試，最后經(jīng)仿真測試比較可知，該算法定位誤差較小、定位精度較高，不管在定位精度還是在定位誤差上均優(yōu)于迭代加權(quán)質(zhì)心算法，可以更好地用于煤礦井下人員的定位。

[參考文獻]

[1] 李騰宇. 基于RSSI加權(quán)質(zhì)心和GASA優(yōu)化的WSN定位算法研究[D].杭州：浙江農(nóng)林大學，2015.

[2] 朱明輝. 基于RSSI的煤礦井下人員定位算法研究[D].唐山：華北理工大學，2016.

[3] 謝樺. 基于RSSI的無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法[D].南昌：江西理工大學，2017.

[4] 王麗娜. 基于Wi-Fi的煤礦井下人員定位技術(shù)研究[D].洛陽：河南理工大學，2015.

[5] 張穎惠. 煤礦井下爆破安全監(jiān)控系統(tǒng)的設(shè)計[D].哈爾濱：哈爾濱理工大學，2016.

[6] 胡冰. 無線傳感器網(wǎng)絡(luò)節(jié)點定位與目標跟蹤技術(shù)研究[D].武漢：武漢理工大學，2010.

[7] 姚維照. 無線傳感器網(wǎng)絡(luò)節(jié)點定位算法研究及改進[D].太原：太原理工大學，2012.